如何将pandas宽格式时间序列数据转长格式后按指标分图绘制

1. 数据结构说明&宽表转长表 #

你的宽格式数据集默认列命名规则为指标名_时间点，主键为患者ID，结构参考如下：

首先通过melt方法将宽表转换为适配分组绘图的长表结构：

import pandas as pd
import matplotlib.pyplot as plt

# 替换为你自己的DataFrame变量名
df = 你的原始宽格式DataFrame

# 宽表转长表
df_long = df.melt(
    id_vars="patient_id", 
    var_name="col_raw", 
    value_name="test_value"
)
# 拆分原始列名得到指标名、时间点，若列命名规则不同可调整split参数
df_long[["test_item", "time_point"]] = df_long["col_raw"].str.split("_", n=1, expand=True)
# 给时间点设置排序规则，保证x轴展示顺序符合业务逻辑
df_long["time_point"] = pd.Categorical(
    df_long["time_point"], 
    categories=["Baseline", "3 Month", "6 Month"], 
    ordered=True
)

2. 按指标生成独立图表 #

遍历所有检验指标，每个指标单独创建画布绘图，完全避免子图数量不匹配的报错：

# 提取所有唯一的检验指标
test_item_list = df_long["test_item"].unique()

for item in test_item_list:
    # 筛选当前指标的全部患者数据
    current_data = df_long[df_long["test_item"] == item]
    # 为当前指标创建独立画布
    plt.figure(figsize=(8, 5))
    # 按患者ID分组绘制单条曲线
    for pid, group in current_data.groupby("patient_id"):
        plt.plot(
            group["time_point"], 
            group["test_value"], 
            marker="o", 
            alpha=0.7,
            label=f"患者{pid}"
        )
    # 图表信息配置
    plt.title(f"{item} 各患者时间变化趋势", fontsize=13)
    plt.xlabel("随访时间", fontsize=11)
    plt.ylabel("检测值", fontsize=11)
    # 患者数量较多时可注释掉图例避免遮挡
    plt.legend(bbox_to_anchor=(1.02, 1), loc="upper left")
    plt.tight_layout()
    # 可选：保存图片到本地
    # plt.savefig(f"./{item}_趋势图.png", dpi=300, bbox_inches="tight")
    plt.show()

3. 原问题原因说明 #

• 之前所有数据画在同一张图：没有为每个指标单独创建plt.figure()实例，所有绘图操作都在默认画布上叠加。
• 多子图解包报错：一般是子图行列数乘积小于指标总数，或者解包时变量数量和subplot返回值不匹配，上述单画布遍历方案无需处理子图数量匹配，直接规避这类问题。

内容的提问来源于stack exchange，提问作者John Conor